论文部分内容阅读
针对多变量过程均值异常，提出了选择性有向无环图支持向量机（DAG-SVM）集成，以之为模式识别工具对过程状态进行识别，以探测异常和判别异常源。集成结合Bagging方法的重复采样技术和对DAG-SVM结构的调整，对数据和模型进行双重扰动，以获得差异的候选个体；再通过二进制粒子群优化（BPSO）算法得到最优集成方案。离线仿真测试证明所提选择性DAG-SVM集成具有分类正确率和效率的双重优势；在线仿真测试表明基于选择性DAG-SVM集成的模型探测过程均值阶跃异常优于X^2图和BPN（误差反传神经网络）模型，且